【泡泡一分钟】无人机与地面机器人协作三维建图（IROS-2）

每天一分钟，带你读遍机器人顶级会议文章

标题：3D mapping for multi hybrid robot cooperation

作者：Hartmut Surmann and Nils Berninger and Rainer Worst

来源：IROS 2017

编译：蔡纪源

播音员：  堃堃

欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权

摘要

       今天介绍的文章是“3D mapping for multi hybrid robot cooperation”——无人机与地面机器人协作三维建图，该文章发表在IROS2017。

       城市搜索与救援(USAR, Urban Search and Rescu)一直以来是备受关注的热点。欧盟的TRADR项目的目标是开发出新的科学和技术，能让人类与机器人协作，共同协助救灾工作并可实现多次出动。如图1所示，各种机器人与工作人员在地震后协作探索环境，采集样本。通过多个异步架构的机器人对环境持久性建模，可以提高整个团队成员对该地区工作的理解，并改善团队合作。       

图1.2016年阿马特里切/意大利地震后，TRADR项目中使用的无人机与地面机器人。

       本文提出了一种多机器人(UGV&UAV)协作建立一致的三维地图的新方法。在本文中，地面机器人(UGV)配有倾斜激光扫描器，无人机(UAV)配有单目相机。UAV相机数据生成的3D点云，与UGV上滚动的2D激光扫描仪生成的3D点云相融合成一个一致的地图。

       本文的工作开发了一种典型的救援方案。无人机，作为第一个响应者到达灾难现场，使用图像和初始3D的点云(SFM得到)等对场景描述。人类和地面机器人可以使用这些信息进行自身初始定位。另一方面，地面机器人提供的传感器数据相对稳定，能包含足够的信息进行运动估计。最终的3D地图结合了无人机和地面机器人各自传感器的信息，因此具有更高的信息内容。

        配准方法是基于从点云提取的相关平面分割段进行匹配。提出的MUMC (Minimally Uncertain Maximum Consensus) 方法，以最大化几何一致性、最小化结果不确定性为目标。
        基于配准方法，作者还提出一种全局最优的定位方法，且仅需点云的结构信息便能实现定位，算法原理流程图如下。

图2.本文提出的定位方法流程图。    

       最后， 两个实验例子充分显示了整个配准算法、相对定位算法和全局最优定位算法的性能是十分优秀的。

如果你对本文感兴趣，想要下载完整文章进行阅读，可以关注【泡泡机器人SLAM】公众号。

回复关键字“UAVUGV”，即可获取本文下载链接。

---

泡泡机器人SLAM的原创内容均由泡泡机器人的成员花费大量心血制作而成，希望大家珍惜我们的劳动成果，转载请务必注明出自【泡泡机器人SLAM】微信公众号，否则侵权必究！同时，我们也欢迎各位转载到自己的朋友圈，让更多的人能进入到SLAM这个领域中，让我们共同为推进中国的SLAM事业而努力！

商业合作及转载请联系liufuqiang_robot@hotmail.com